XiaoMi-AI文件搜索系统
World File Search SystemIP102
对AI的害虫管理系统的评论
摘要：该项目开发了一种自主机器人系统，用于有效的害虫监测和控制农业。传统方法，例如手动粘性陷阱，是劳动密集型且昂贵的。我们的机器人使用高分辨率摄像机和多光谱成像来调查字段，从而捕获用计算机视觉算法分析的害虫数据。使用IP102数据集和Yolov8模型，该系统确定有害昆虫，并区分静态类型和飞行类型。针对目标的控制措施：基于作物损害，静态害虫会获得精确的有机或化学喷雾剂，而使用激光消除了飞行昆虫 - 组的多二极管和个体的单二极管。GPS确保边界依从性，GSM模块警告农民。该解决方案旨在减少农药使用，从而提高可持续性和效率。
gnvit-使用Vision Transformer（VIT）模型
由疾病和害虫造成的农作物损失对全球农业带来了重大挑战，花生作物尤其容易受到其有害作用的影响。这项研究介绍了花生视觉变压器（GNVIT）模型，这是一种新颖的方法，该模型在Imagenet数据集上介绍了预训练的视觉变压器（VIT）。主要目标是检测和分类影响花生作物的各种害虫。使用IP102的综合数据集进行了严格的培训和评估，其中包括thrips，蚜虫，军虫和线虫等害虫。使用可靠性指标（包括F1得分，召回和总体准确性）评估了GNVIT模型的有效性。与GNVIT的数据增强导致训练准确性显着提高，达到99.52％。比较分析强调了GNVIT模型的出色性能，特别是准确性，与最新的方法相比。这些发现强调了GNVIT等深度学习模型的潜力，它为花生作物提供可靠的害虫分类溶液。采用先进的技术解决方案的部署使我们更接近减少农作物损失并增强不断增长的人口的全球粮食安全的总体目标。